不一致决策表的知识约简方法研究

日前计算不一致决策表的分布约筒、最大分布约筒和分配约筒的方法均基于可辨识属性矩阵,在大数据集下耗时较多.为此,提出转化算法,将计算原不一致决策表的上述3种约简转化为计算3种一致决策表的Pawlak约筒,通过应用针对后者的高效启发式算法,有效地减少了计算时间．此外,引入λ-约筒的概念,通过调节A的值,能得到一族反映决策矢量不同水平相似程度的知识约筒．该方法降低了分布约筒对决策表区分能力的过高要求,较上述3种约筒更为灵活。     

基于差别矩阵的不一致决策表规则获取算法

针对传统基于差别矩阵的不一致决策表规则获取算法效率不理想的情况,提出了一种快速的基于差别矩阵的规则获取算法.算法首先引入简化决策表思想,删除决策表中可能存在的许多重复对象;然后基于简化决策表构造不同决策类之间的子差别矩阵,以有效地解决对象分布的非平衡性问题和缩小算法的求解空间;且采用启发式向后贪心搜索策略求解相对最小属性约简;并根据规则可信度获取有效的决策规则,可信度可动态设置,使算法具有较好的适应性.最后通过算例分析和实验比较验证了算法能获取有效的决策规则.     

一种新的不一致决策表属性约简算法

针对目前求核方法存在的问题,提出一种基于分布函数的用于计算核属性的改进的二进制可辨矩阵。改进的二进制可辨矩阵不仅规模小,而且适用于任何决策表求核。在获取核属性的基础上,提出一种新的不一致决策表的属性约简算法,只要在用于计算核属性的改进的二进制可辨矩阵中简单增加相应的行,就可以利用逻辑运算来获取属性约简。并将吸收律应用于属性约简,较大提高了属性约简的效率。     

不一致决策表下基于D-S证据理论的知识约简

对于一致决策表,基于D-S证据理论的知识约简与代数约简所得的结果是一致的,对于不一致决策表,它们并不完全一致.本文通过具体算例说明了基于D-S证据理论的广义决策约简与代数约简的在不一致决策表下的差异性.理论上证明了广义决策约简仅与分配约简是等价的,提出一种基于D-S证据理论求代数约简的方法.理论分析和算例都证明了本文方法的正确性.     

不一致决策表的k阶分配序约简

在不一致决策表中定义了k阶分配序约简,给出了k阶分配序一致集的判定定理。通过定义k阶分配序区分矩阵,给出了求k阶分配序约简的区分矩阵法。为了克服区分矩阵法时间复杂度过高的缺陷,通过定义属性的相对重要性,提出了一种求k阶分配序约简的启发式算法,分析得到该算法的时间复杂度是多项式的结论。实例验证了算法的有效性。     

不完全决策表的一种信息熵属性约简算法

属性约简是粗糙集理论的核心问题之一，也是粗糙集有效算法研究的焦点。为获得最简明的规则集，通常希望能找出最小的属性约简集，但得到最优解NP-hard的问题，通常采取启发式的算法得到近似最优解。文中研究了不完全决策表的属性约简，提出了对不完全决策表的一种基于信息熵的属性约简算法，并通过例子说明算法的具体过程和验证了算法的可行性。对寻找对象的相似类的步骤则在排序和二分查找的基础上提出了一种高效的算法，这样就相应地提高了属性约简算法的效率。     

有序决策表中的第三种不一致

现实世界中的有序性问题,反映在决策表上相当于在表的属性域上加上优先关系(preferential ordering)或者说是序关系的语义,这种决策表称为有序决策表,有序决策表中的条件属性又称为指标(criterion),有序决策表中的对象在各个指标上有排序,在决策属性上又有一个总的排序.文献[1,2]指出对于有序决策表中存在一种普通的粗糙集模型不能识别的不一致,并以基于支配关系(dominance relation)的粗糙集模型(dominance-based rough set approach or DRSA)代替基于等价关系的经典粗糙集模型(classic rough set approach or CRSA),DRSA可以处理这种不一致,文中则进一步指出有序决策表中还存在另一种不一致,不仅在应用上进一步完善了对有序表的处理,而且在理论上丰富了粗糙集中不一致的内涵.     

基于包含度的决策表属性约简算法的研究

粗糙集理论是一种有效的信息处理工具,决策表属性约简是粗糙集理论研究的一个核心内容。利用RoughSet理论的相关知识,提出了一种基于包含度的决策表属性约简算法。与现有的决策表属性约简算法进行比较,它具有较低的复杂度和较强的可使用性。最后对UCI机器学习数据库中的例子进行约简的实验结果证明,它可以取得比较满意的效果。     

不完全决策表的一种信息熵属性约简算法

属性约简是粗糙集理论的核心问题之一,也是粗糙集有效算法研究的焦点.为获得最简明的规则集,通常希望能找出最小的属性约简集,但得到最优解NP-hard的问题,通常采取启发式的算法得到近似最优解.文中研究了不完全决策表的属性约简,提出了对不完全决策表的一种基于信息熵的属性约简算法,并通过例子说明算法的具体过程和验证了算法的可行性.对寻找对象的相似类的步骤则在排序和二分查找的基础上提出了一种高效的算法,这样就相应地提高了属性约简算法的效率.     

一种新的不一致决策表的属性约简算法

在基于正域的不一致决策表属性约简算法中,计算正域的算法效率是关键,直接影响到属性约简算法的时间复杂度。针对这一问题,新算法改进了区分矩阵的构造过程,提出了一种有效的在二进制区分矩阵上计算负域的方法,将约简的关键转换为对负域的计算,以属性频率为启发式信息指导属性约简过程。该算法也适用于一致决策表的属性约简。最后,通过实例证明了算法的有效性。     

不协调决策信息系统的约简

知识约简是粗糙集理论中的一个重要内容,目前大多数研究都集中在协调的决策信息系统上。但现实中存在大量的不协调决策信息系统,针对该类系统的约简研究,将更具有实践意义。定义了决策包含度约简和最大决策包含度约简的概念,讨论了决策包含度约简和最大决策包含度约简的关系,即最大决策包含度约简弱于决策包含度约简,为解决不协调决策信息系统的知识约简问题提供了新方法。     

不相容决策表中一种新的属性约简算法

针对不相容决策表中一些属性约简算法的不足,结合粗糙集的代数观与信息观的优点,对差别矩阵加以改进,提出了一种新的属性约简算法,该算法在保证约简后决策表的正域和条件信息熵不变的情况下,降低了时间复杂度。通过实例说明了该算法的有效性和可行性。     

一个关于特殊决策表的处理方法

在实际情况中,为了体现对象的模糊性和在决策中的重要性,往往给每个对象赋以隶属度和权重,这类对象就构成了一个特殊的决策表。对此类决策表进行了研究,给出了相关的粗糙集模型、定义、定理,并在此基础上提出了一个属性约简算法。最后用实例验证了所给粗糙集模型以及属性约简算法的可行性。     

不一致决策表的值约简方法

对目前求不一致决策表最简规则方法存在的问题进行了分析,提出了一种构造区分矩阵的方法,能更好地适用于多决策属性存在的决策表中.借助区分矩阵进行值约简,提出了一种新的规则提取算法.利用属性的重要度来描述条件属性所提供的知识对决策表的影响程度,引入规则准确度来衡量算法是否造成决策表的新的不一致规则.该算法不会破坏决策系统中一致规则和不一致规则所蕴含的信息量,保持约简前后规则的准确度不变.     

基于依赖度的区间集决策信息表属性约简

区间集决策信息表拓展了经典决策信息表,但其属性约简研究较少.针对区间集决策信息表存在的问题,采用模型正域及相关依赖度提出属性约简及其启发式约简算法.在区间集粗糙集模型中,定义关于决策分类的正域与依赖度,证明粒化单调性等性质.提出基于依赖度的属性约简,设计启发式约简算法.实例分析与数据实验表明,设计的基于依赖度的启发式约简算法是有效的,所得结果有利于依赖学习与特征优化.     

不协调决策形式背景属性约简方法研究

主要对不协调决策形式背景进行了定义,给出了近似函数和近似协调集的判定定理。给出近似可辨识矩阵和近似约简的方法,通过实例验证了该方法的可行性。     

基于新的条件熵的决策表约简方法

分析了在知识约简过程中现有条件熵的不足,在一致和不一致对象分开的基础上,定义了一种新的条件熵概念,以弥补现有信息熵的不足,在此基础上给出了以不等式为条件的约简判定定理;然后以条件属性子集的条件熵来度量其对决策分类的重要性,提出了一种新的知识约简启发式方法.应用实例分析的结果表明,基于新的条件熵的属性重要性是一种更准确、更有效的启发式信息,该方法时间复杂度较低,有助于搜索最小或次优知识约简.     

决策表的高效属性约简算法

粗糙集理论是一种新型的处理模糊和不确定知识的数学工具。对现有决策表的属性约简算法进行了比较研究,在此基础上设计了两个合理度量属性重要性的公式,并给出了该公式的递归计算方法,利用新公式作为启发式信息设计了一种新的基于决策表的高效属性约简算法。实例与实验表明,该约简算法在效率上较现有算法有显著的提高。     

不协调覆盖决策系统下属性约简的新的注记

讨论了不协调覆盖决策系统下属性约简的几点注记。给出不协调覆盖决策系统和条件限制熵的有关定义,提出了基于正域和基于限制条件信息熵的不协调覆盖决策系统的相关性质和定理,利用一个分辨矩阵设计了一种算法,它可以计算所有的不协调覆盖决策系统,并用实例验证此方法的有效性。